¿Qué es Apache Spark?

Apache Spark es un sistema de computación basado en Hadoop Map Reduce que permite dividir o pararelizar el trabajo mediante la combinación de un sistema de computación distribuida a través de clusters de ordenadores.

Spark toma los programas escritos en un lenguaje conciso de alto nivel y distribuye la ejecución de sus tareas en muchas máquinas. Lo logra a través de una API (Interfaz de Programación de Aplicaciones) marcos de datos y conjuntos de datos construidos sobre conjuntos de datos distribuidos resistentes (RDD).

Las principales características de Apache Spark son:
- Trabaja de forma integrada con Apache Hadoop.
- Consigue mucha mayor velocidad de procesamiento, gracias a su almacenamiento distribuido.
- Posee un desarrollo fácil y productivo.